国产韩国日本欧美的品牌suv,少年阿宾1一72全文目录,大地资源二在线视频观看

上交李金金EnSM: 機器學習篩選具有高電導率和快速離子動力學的Mg/Zn離子電池正極的尖晶石結構

具有各種孔隙率的尖晶石結構是用于提高電極材料性能的有前途的離子電池正極。對于Mg/Zn離子電池，現(xiàn)有的尖晶石正極材料不能滿足綜合性能要求，如高離子擴散、導電性和低體積膨脹等，這就需要不斷開發(fā)新材料。

然而一種新材料的發(fā)現(xiàn)往往是在篩選了數(shù)千種不同的材料結構后才發(fā)現(xiàn)的，需要花費巨大的時間和金錢成本。機器學習在材料篩選和預測領域的應用日益成熟。

在此，上海交通大學李金金研究員等人基于機器學習方法對元素周期表中的所有尖晶石結構進行了全面篩選，確定了高電導率和快速離子動力學的最佳鎂/鋅離子電池正極材料，預測準確率為91.2%。

圖1. 基于機器學習的材料篩選過程

作者使用目標驅動的XGBoost算法來加速預測，并報告了六種新的尖晶石結構（MgNi₂O₄、MgMo₂S₄、MgCu₂S₄、ZnCa₂S₄、ZnCu₂O₄和ZnNi₂O₄），具有高電導率、高離子擴散 (>1×10^-9 cm²s^-1)、低體積膨脹 (<22%) 和室溫下的熱穩(wěn)定性，是Mg/Zn離子電池的最佳正極。

其中，MgNi₂O₄、MgMo₂S₄、MgCu₂S₄、ZnCu₂O₄和ZnNi₂O₄被預測為五種新型超離子導體，在室溫下具有極高的離子電導率（>10^-4 S·cm^-1）。這項研究所提出的策略縮短了鎂/鋅離子電池正極尖晶石篩選的研究周期，并為高性能3D電極材料的設計提供了解決方案。

圖2. 機器學習的測試精度及金屬材料占比

A Machine Learning Shortcut for Screening the Spinel Structures of Mg/Zn Ion Battery Cathodes with a High Conductivity and Rapid Ion Kinetics, Energy Storage Materials 2021. DOI: 10.1016/j.ensm.2021.07.042

原創(chuàng)文章，作者：科研小搬磚，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/11/01/762a89b9c0/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

上交李金金EnSM: 機器學習篩選具有高電導率和快速離子動力學的Mg/Zn離子電池正極的尖晶石結構

相關推薦